(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 20221074873 0.4 (22)申请日 2022.06.28 (71)申请人 平安银行股份有限公司 地址 518000 广东省深圳市罗湖区深南 东 路5047号 (72)发明人 黄跃萍　李珊　 (74)专利代理 机构 北京超凡宏宇专利代理事务 所(特殊普通 合伙) 11463 专利代理师 蒋姗 (51)Int.Cl. G06K 9/62(2022.01) G06N 20/20(2019.01) G06Q 40/02(2012.01) (54)发明名称 一种融合时序特征与时点特征的模型生成 方法及系统 (57)摘要 本申请实施例提供一种融合时序特征与时 点特征的模 型生成方法及系统， 涉及数据分析技 术领域。 该融合时序特征与时点特征的模型生成 方法包括： 获取用户训练样本数据； 根据所述用 户训练样 本数据生成用户时点特征信息； 根据所 述用户训练样本数据生成用户时序特征信息； 将 所述用户时点特征信息和所述用户时序特征信 息进行拼接处理， 生成融合用户特征； 根据所述 融合用户特征对 预设树集 成模型进行训练， 生成 用户应收账款预测模型。 该融合时序特征与时点 特征的模型生成方法可以实现提高应收账款预 测模型的健壮性和泛化 性能的技 术效果。 权利要求书2页 说明书10页 附图4页 CN 114997334 A 2022.09.02 CN 114997334 A 1.一种融合时序特 征与时点特 征的模型生成方法， 其特 征在于， 包括： 获取用户训练样本数据； 根据所述用户训练样本数据生成用户时点特 征信息； 根据所述用户训练样本数据生成用户时序特 征信息； 将所述用户时点特征信息和所述用户时序特征信息进行拼接处理， 生成融合用户特 征； 根据所述融合用户特 征对预设树 集成模型进行训练， 生成用户应收账款预测模型。 2.根据权利要求1所述的融合 时序特征与时点特征的模型生成方法， 其特征在于， 所述 根据所述用户训练样本数据生成用户时点特 征信息的步骤， 包括： 根据所述用户训练样本获取用户时点信 息， 所述用户时点信 息包括用户每个预测时间 节点的年龄、 职业、 资产余额、 存款余额、 贷款余额、 车辆贷款余额、 房屋贷款余额、 消费类贷 款余额、 信用卡负债余额、 月支出额、 月收入额、 月还款额、 是否自动还款、 最近一次还款金 额、 是否办理分期、 分期 期数、 分期金额中的一种或多种； 根据所述用户时点信息生成所述用户时点特 征信息。 3.根据权利要求1所述的融合 时序特征与时点特征的模型生成方法， 其特征在于， 所述 根据所述用户训练样本数据生成用户时序特 征信息的步骤， 包括： 根据所述用户训练样本获取用户时序信息， 所述用户时序信息包括每月应收账款、 每 月支出额、 每月收入额、 每月还款 额、 每月自动还款 额、 每月分期金额中的一种或多种； 根据所述用户时序信息生成所述用户时序特 征信息。 4.根据权利要求3所述的融合 时序特征与时点特征的模型生成方法， 其特征在于， 在所 述根据所述用户时序信息生成所述用户时序特 征信息的步骤之前， 所述方法还 包括： 根据所述用户时序信 息计算用户时序统计数据， 所述用户时序统计数据包括月均最大 值、 最小值、 平均值、 方差、 每月与上月的差值、 差值比例、 月均差值、 月均差值比例中的一种 或多种。 5.根据权利要求1所述的融合 时序特征与时点特征的模型生成方法， 其特征在于， 所述 根据所述融合用户特征对预设树集成模型进行训练， 生成用户应收账款预测模型 的步骤， 包括： 根据预设 stacking集成模型将融合用户特 征拆分为多份子融合用户特 征； 对所述多份子融合用户特 征进行交叉验证， 生成所述用户应收账款预测模型。 6.根据权利要求5所述的融合 时序特征与时点特征的模型生成方法， 其特征在于， 所述 对所述多份子融合用户特 征进行交叉验证， 生成所述用户应收账款预测模型的步骤， 包括： 遍历所述多份子融合用户特 征， 并对遍历到的所述子融合用户特 征执行以下处 理： 将遍历到的所述子 融合用户特征作为验证数据， 所述多份子 融合用户特征中的其他子 融合用户特征作为训练数据进行预设树集成模型训练， 生成训练结果特征； 将所述训练结 果特征与所述验证数据中的验证目标值进行组合泛化处 理， 生成组合训练结果特 征； 将所有的组合训练结果特 征进行特征拼接， 生成所述用户应收账款预测模型。 7.根据权利要求6所述的融合 时序特征与时点特征的模型生成方法， 其特征在于， 所述 预设树集成模型为 LightGBM模型和/或XGBo ost模型。 8.一种融合时序特 征与时点特 征的模型生成系统， 其特 征在于， 包括：权　利　要　求　书 1/2 页 2 CN 114997334 A 2获取模块， 用于获取用户训练样本数据； 时点特征模块， 用于根据所述用户训练样本数据生成用户时点特 征信息； 时序特征模块， 用于根据所述用户训练样本数据生成用户时序特 征信息； 融合特征模块， 用于将所述用户时点特征信息和所述用户时序特征信息进行拼接处 理， 生成融合用户特 征； 模型训练模块， 用于根据所述融合用户特征对预设树集成模型进行训练， 生成用户应 收账款预测模型。 9.一种电子设备， 其特征在于， 包括： 存储器、 处理器以及存储在所述存储器中并可在 所述处理器上运行的计算机程序， 所述处理器执行所述计算机程序时实现如权利要求 1至7 任一项所述的融合时序特 征与时点特 征的模型生成方法的步骤。 10.一种计算机可读存储介质， 其特征在于， 所述计算机可读存储介质上存储有指令， 当所述指 令在计算机上运行时， 使得所述计算机执行如权利要求 1至7任一项 所述的融合时 序特征与时点特 征的模型生成方法。权　利　要　求　书 2/2 页 3 CN 114997334 A 3